智能电网中光伏输出功率日前预测的集成框架
信号处理
2018-11-26 v1
摘要
与太阳能光伏 (PV) 功率输出相关的不确定性，对设计、管理和实施有效的需求响应与管理策略构成巨大挑战。因此，准确的光伏功率输出预测对于实现无缝集成与更高渗透水平至关重要。本研究提出一种基于粒子群优化 (PSO) 训练的前馈神经网络 (FNN) 的神经网络集成 (NNE) 方案。采用五种具有不同网络复杂度的 FNN 结构以获得多样且准确的预测结果。这些结果在剔除最高与最低预测误差极值后，通过修剪聚合进行组合。相关变量即小波变换后的光伏历史功率输出、太阳辐照度、风速、温度与湿度，被用作多变量 NNE 的输入。晴空指数用于将日子分类为晴天、多云与局部多云。测试案例研究旨在预测选自所有季节的这些日子的太阳能输出。所提框架的性能通过分析来自澳大利亚昆士兰大学七个太阳能光伏站点的不同分辨率、长度与质量的训练数据集加以评估。预测结果表明，与单个及基准模型相比，所提框架显著提升了预测精度。
引用
@article{arxiv.1811.09337,
title = {An Ensemble Framework For Day-Ahead Forecast of PV Output Power in Smart Grids},
author = {Muhammad Qamar Raza and N. Mithulananthan and Jiaming Li and Kwang Y. Lee and Hoay Beng Gooi},
journal= {arXiv preprint arXiv:1811.09337},
year = {2018}
}